如何对二维NumPy数组做居中处理？及实现区域平均的方法

1. 二维NumPy数组的居中处理 #

数组居中通常分为两种场景，对应不同实现方式：

• 数值零均值化：将数组调整为整体均值为0，可全局或按行/列处理

  import numpy as np
  arr = np.array([[1,2,3],[4,5,6]])
  
  # 全局居中：所有元素减去数组整体均值
  global_centered = arr - arr.mean()
  
  # 按行居中：每行元素减去该行均值
  row_centered = arr - arr.mean(axis=1, keepdims=True)
  
  # 按列居中：每列元素减去该列均值
  col_centered = arr - arr.mean(axis=0, keepdims=True)
  

• 空间居中放置：将原数组在更大尺寸的画布中居中对齐

  original = np.array([[1,2],[3,4]])
  target_shape = (4,4)
  # 计算上下左右的填充量
  pad_top = (target_shape[0] - original.shape[0]) // 2
  pad_left = (target_shape[1] - original.shape[1]) // 2
  # 创建目标数组并填充原数组
  space_centered = np.zeros(target_shape)
  space_centered[pad_top:pad_top+original.shape[0], pad_left:pad_left+original.shape[1]] = original
  

2. 实现指定的2x2区域滑动平均 #

你需要计算的是原数组中每个相邻2x2窗口的均值（uc(i,j) = 0.25*(u(i,j)+u(i,j+1)+u(i+1,j)+u(i+1,j+1))），用NumPy切片即可高效实现，无需依赖scipy.ndimage.generic_filter：

实现代码 #

import numpy as np
A = np.array([[3, 4, 5],[5, 6, 7],[7, 8, 9]])
# 取四个对应区域的切片相加后取平均
uc = 0.25 * (A[:-1, :-1] + A[:-1, 1:] + A[1:, :-1] + A[1:, 1:])

输出结果 #

array([[4.5, 5.5],
       [6.5, 7.5]])

完全符合预期：第一个元素为(3+4+5+6)/4=4.5，后续元素依次对应相邻2x2窗口的均值。

原方法问题分析 #

你之前使用generic_filter未得到正确结果，是因为size=2会对原数组的每个元素位置生成2x2窗口，边缘位置的窗口会包含cval=np.nan填充值，np.nanmean会忽略这些nan，只计算窗口内的有效值，导致边缘结果不符合预期。如果一定要用generic_filter，需要调整窗口偏移并修改填充模式，但切片方法更直接高效。

内容的提问来源于stack exchange，提问作者wander95